Ten zbiór danych zawiera obrazy MR ważone T1 50 pacjentów, z których 40 to pacjenci z padaczką skroniową, a 10 to pacjenci bez padaczki. Etykiety hipokampa są dostarczane dla 25 uczestników szkolenia. Użytkownicy mogą przesłać wyniki segmentacji dla pozostałych 25 obrazów testowych, aby uzyskać tabelę wskaźników segmentacji

Obrazowanie medyczne to niezbędne narzędzie w środowisku klinicznym, szczególnie w zakresie rozwoju obrazowych narzędzi ilościowych w ramach terapii nowotworowej oraz pomiaru reakcji nowotworu po zakończeniu terapii.

W ramach projektu "Analiza obrazów medycznych na rzecz monitorowania terapii przeciwnowotworowej oraz stworzenia atlasu nowotworów" (MICAT) podjęto się prac nad stworzeniem nowych medycznych metod obliczeniowych oraz ram analizy obrazów medycznych do monitoringu w trakcie terapii przeciwnowotworowej. W szczególności uczestnicy projektu MICAT koncentrowali się na ocenie reakcji nowotworu oraz tworzeniu nowego probabilistycznego atlasu nowotworów mózgu.

Segmentacja guza na podstawie danych obrazowych jest problematyczna ze względu na duże zróżnicowanie postaci tkanki nowotworowej u pacjentów, a w niektórych przypadkach obecność tkanki zdrowej. Zespół projektu MICAT opracował nową metodę segmentacji opartą na algorytmie automatów komórkowych (CA). Badania weryfikacyjne pokazały, że finalny algorytm przewyższył algorytmy przekroju w grafie (ang. graph cut) i rozrostu (ang. grow cut) mniejszą czułością na inicjalizację i rodzaj guza.